Jurnal Pendidikan Teknologi dan Kejuruan Vol. 15, No. 1, Januari 2018, Hal :42 P-ISSN : 0216-3241 ; E-ISSN : 2541-0652
KOMPARASI METODE PERHITUNGAN KLASIK DENGAN LOGIKA
FUZZY (MAMDANI DAN SUGENO) PADA PERHITUNGAN
PEMILIHAN MAHASISWA TERBAIK
Agus Wantoro Prodi Sistem Informasi
STMIK Teknokrat
aguswantoro.ilkom@gmail.com,
Abstrak
Pemilihan mahasiswa terbaik di STMIK Teknokrat Lampung dalam menentukan mahasiswa terbaik menemui permasalahan. Pemilihan mahasiswa terbaik di dilakukan mulai pengumpulan nilai-nilai yang melibatkan Ketua Program Studi, Ketua Kemahasiswaan, dan Staf BAAKU. Kriteria yang digunakan yaitu IPK, lama kuliah, prestasi mahasiswa dan organisasi yang masing-masing kriteria diberikan nilai atau range. Berdasarkan data-data yang diperoleh, maka akan diberikan oleh ketua Program Studi dan akan dilakukan pemilihan. Cara tersebut masih kurang efektif karena dilakukan dengan perhitungan manual dan terdapat ketidakobjektifan terhadap penilaian mahasiswa dimana kepala Program Studi hanya memperkirakan dan kedekatan mahasiswa dengan ketua Program Studi dan terkadang hasilnya tidak akurat. Metode fuzzy yang akan digunakan untuk melakukan perhitungan adalah Mamdani dan Sugeno. Dari kedua metode tersebut, maka akan dilakukan komparasi perbandingan dengan metode klasik untuk mengetahui perbedaaan hasil perhitungan dari Mamdani dan Sugeno. Penerapan perhitungan logika fuzzy menggunakan himpunan, lalu hitung derajat keanggotaan, predikat aturan dan penegasan. Berdasarkan nilai rata-rata dari perhitungan ketiga metode, maka didapat mahasiwa terbaik dengan nilai tertinggi adalah Reni dan Teguh. Dari hasil analisis perhitungan menggunakan metode perhitungan klasik, fuzzy mamdani dan sugeno, maka metode sugeno lebih mendekati nilai dari data senter dengan persentase sebesar 58,2% dan mamdani 41,7%
Kata Kunci : Komparasi, Mamdani, Sugeno, Pemilihan Siswa Terbaik
Abstract
The selection of the best students in STMIK Teknokrat Lampung in determining the best student to meet the problem. The selection of the best students is done starting from the collection of values involving the Head of Study Program, Head of Student Affairs, and BAAKU Staff. The criteria used are GPA, length of lecture, student achievement and organization with each criteria is given value or range. Based on the data obtained, it will be given by the head of the Study Program and will be elected. The way is still less effective because it is done with manual calculations and there is ketidakobjektifan on the assessment of students where the head of the Study Program only estimate and proximity of students with the head of the Study Program and sometimes the results are not accurate. The fuzzy method that will be used to perform the calculations is Mamdani and Sugeno. Of the two methods, it will be comparative comparison with the classical method to determine the difference of calculation results from Mamdani and Sugeno. Application of fuzzy logic calculations using sets, then count membership degrees, predicate rules and affirmations. Based on the average value of the calculation of the three methods, then get the best student with the highest score is Reni and Teguh. From the calculation result using the classical calculation method, fuzzy mamdani and sugeno, the sugeno method is closer to the value of the flashlight data with percentage of 58.2% and mamdani 41.7%
PENDAHULUAN
Saat ini kebutuhan akan adanya sistem informasi akademik terintegrasi semakin meningkat, khususnya di level perguruan
tinggi (Sindu & Santyadiputra, 2017).
Pemilihan mahasiswa terbaik di STMIK Teknokrat Lampung dalam menentukan mahasiswa terbaik menemui permasalahan. Pemilihan mahasiswa terbaik di dilakukan
mulai pengumpulan nilai-nilai yang
melibatkan Ketua Program Studi, Ketua Kemahasiswaan, dan Staf BAAKU. Kriteria yang digunakan yaitu IPK, lama kuliah, prestasi mahasiswa dan organisasi yang masing-masing kriteria diberikan nilai atau
range. Berdasarkan data-data yang
diperoleh, maka akan diberikan oleh ketua
Program Studi dan akan dilakukan
pemilihan. Cara tersebut masih kurang efektif karena dilakukan dengan perhitungan manual dan terdapat ketidakobjektifan
terhadap penilaian mahasiswa dimana
kepala Program Studi hanya memperkirakan dan kedekatan mahasiswa dengan ketua Program Studi dan terkadang hasilnya tidak akurat. Perkiraan manusia bisa saja salah,
sehingga perlu dikembangkan sebuah
sistem yang dapat membantu manajer dalam mengambil sebuah keputusan dalam permasalahan yang bersifat tak terstrukstur (Agus & Aan, 2017). Selain itu, belum
adanya aplikasi yang mendukung
pengambilan keputusan dalam menentukan mahasiswa terbaik, maka diperlukan metode yang dapat memberikan perhitungan dan pemilihan mahasiswa terbaik yang akurat.
Pada dasarnya pengambilan keputusan adalah suatu pendekatan sistematis suatu
masalah dengan pengumpulan fakta,
penentuan yang matang dari alternative yang dihadapi, dan pengambilan tindakan
yang menurut perhitungan merupakan
tindakan yang paling tepat (M. Muslihudin, 2017)
Metode Klasik dan Logika fuzzy
merupakan metode perhitungan yang dapat
digunakan untuk melakukan pemilihan
mahasiswa terbaik berdasarkan kriteria-kriteria yang ada. Metode fuzzy yang akan digunakan adalah Mamdani dan Sugeno. Dari kedua metode tersebut, maka akan dilakukan perhitungan untuk mengetahui
perbedaaan hasil perhitungan dari Mamdani dan Sugeno dengan hasil perhitungan statistik klasik
Terdapat penelitian perbandingan fuzzy mamdani dan sugeno yang menunjukkan metode terbaik dalam hal pengurangan konsumsi energi listrik dari sistem pendingin udara adalah metode mamdani 52,85% dan sugeno 62,52% (Agus & Aan, 2017). Penelitian ke 2 mengenai perbandingan akurasi logika fuzzy pada rata-rata IPK dengan statistik klasik menunjukan bahwa tsukamoto memiliki akurasi 78%, mamdani 82% dan sugeno 100% (Zaenal Abidin, 2014). Penelitian perbadingan fuzzy sugeno dan sugeno pada penjadwalan matakuliah dengan hasil akurasi dari perhitungan metode sugeno sebesar 81,08% dan akurasi metode sugeno sebesar 72,98% (Yulia, 2011).
Berdasarkan analisa perbandingan yang telah dilakukan, terdapat hasil yang berbeda dalam kasus tertentu, untuk itu perlu
dilakukan analisa perbandingan antara
logika fuzzy sugeno dan sugeno dengan data center pada perhitungan mahasiswa lulusan terbaik.
TINJAUAN PUSTAKA
Sistem Penunjang Keputusan
Sistem Penunjang Keputusan
merupakan sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil keputusan (Sri. & Purnomo, 2010)
Metode Pehitungan Klasik
Merupakan perhitungan menggunakan cara klasik (lama) dengan menggunakan perhitungan dasar matematika. Jika suatu nilai berbentuk kategori, misalnya : rusak, baik, senang, puas, berhasil, gagal dan sebagainya maka akan dibuat penilaian berupa angka atau pemberian jangkauan
(Range) (Sudjana, 2012)
Perhitungan klasik merupakan disiplin matematika dan konseptual yang berfokus pada hubungan antara data dan hipotesis. Data yang rekaman pengamatan atau peristiwa dalam sebuah penelitian ilmiah, misalnya, satu set pengukuran individu dari suatu populasi. Data sebenarnya yang
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 15, No. 1, Januari 2018, Hal :44 P-ISSN : 0216-3241 ; E-ISSN : 2541-0652
diperoleh bervariasi disebut sampel, data sampel, atau hanya data, dan semua sampel yang mungkin dari sebuah penelitian yang dikumpulkan dalam apa yang disebut ruang sampel (Barnett, 1999).
Perhitungan klasik atau kalkulus
merupakan metode perhitungan dengan
ketelitian yang cukup tinggi (Issac, 1687).
Logika Fuzzy
Logika Fuzzy merupakan satu
komponen pembentuk softcomputing. Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai besar atau salah secara bersamaan. Dalam
fuzzy dikenal derajat keanggotaan yang
memiliki rentang nilai 0 (Nol) hingga 1(Satu) (Sri. & Purnomo, 2010).
Gambar 1. Pemetaan Input-Output Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan μA[x], memiliki 2 kemungkinan, yaitu Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan (Sri. & Purnomo, 2010)
Kurva Segitiga
Fungsi Keanggotaan (membership
function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan.
Gambar 2. Kurva Segitiga
Fuzzy Mamdani
Pada Metode Mamdani, setiap
konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat
(fire strength). Hasil akhirnya diperoleh
dengan menggunakan rata-rata terbobot (Sri. & Purnomo, 2010). Terdapat 4 tahapan pada fuzzy mamdani :
a. Pembentukan himpunan fuzzy b. Aplikasi fungsi implikasi
c. Komposisi aturan max, sum dan probor
d. Penegasan (Defuzzyfikasi) dengan metode centroid
Fuzzy Sugeno
Sistem inferensi tipe Sugeno
menggunakan fungsi keanggotaan output yang bersifat linier atau konstan. Aturan
If-Then dalam sistem inferensi ini berbentuk
sebagai berikut:
IF input1 = v AND input2 = w THEN output is z = av + bw +c
Keluaran aturan demikian bukan dalam bentuk fungsi keanggotaan, tetapi sebuah bilangan yang mana berubah secara linier
terhadap variabel-variabel input, yaitu
mengikuti suatu persamaan bidang z = av + bw + c. Jika b=0, sistem inferensi dikatakan berorder satu dimana keluarannya mengikuti persamaan garis, yaitu z = av + c. Jika a=b=0, sistem inferensi dikatakan berorder nol, karena keluarannya berupa sebuah bilangan konstan, yaitu z=c (Sri. & Purnomo, 2010).
Mahasiswa Terbaik
Mahasiswa terbaik adalah hasil
pengolahan data-data mahasiswa yang memenuhi kriteria seperti IPK, Lama Kuliah,
Kotak Hitam
Organisasi dan Prestasi. Data-data mahasiswa yang memenuhi kriteria akan dihitung oleh Kepala Program Studi dalam kegiatan wisuda tahunan oleh Perguruan Tinggi (STMIK Teknokrat, 2010).
UML
Unified Modeling Language (UML) yang
berarti bahasa pemodelan standar. Jika menggunakan UML harus dapat membuat model-model yang dapat berhubungan satu dengan yang lainnya dengan mengikuti standar yang ada. UML diaplikasikan untuk maksud tertentu, biasanya digunakan untuk
merancang sebuah perangkat lunak,
sebagai sarana komunikasi antara perangkat lunak dengan proses bisnis, digunakan pula untuk menjabarkan sistem secara rinci untuk analisa dan mencari apa yang diperlukan suatu sistem, serta sebagai dokumentasi
sistem yang ada, proses-proses dan
organisasinya. UML menyediakan beberapa jenis diagram yang menggambarkan model-model perangkat lunak yang akan dibuat (Sindu & Santyadiputra, 2017).
TEMPAT PENELITIAN
Penelitian ini dilakukan pada mahasiswa prodi sistem informasi di STMIK Teknokrat Lampung, jalan Z.A pagar alam no.9-11 Kedaton Bandar Lampung.
METODE PENGUMPULAN DATA Wawancara
Pengumpulan data melalui wawancara yang dilakukan dengan pihak Perguruan Tinggi yaitu Ibu Rusliyawati, M.T.I selaku Kepala Program Studi Sistem Informasi, Bapak Rohmad Indra selaku ketua bagian kemahasiswaan dan Vita Septiani merukana kepala BAAKU. Pertanyaan yang diajukan berupa kendala-kendala yang dihadapi dalam pemilihan mahasiswa terbaik dan solusi yang diinginkan oleh pihak terkait.
Pengamatan
Pengamatan dilakukan pada sistem yang berjalan di jurusan STMIK program studi Sistem Informasi Perguruan Tinggi Teknokrat Lampung
Tinjauan Pustaka
Penelitian menggunakan beberapa
referensi untuk memperkuat teori dari buku-buku karangan Sri Kusuma Dewi, Purnomo, Jurnal, Artikel Ilmiah, dan buku pedoman pemilihan mahasiswa terbaik serta artikel lain yang berkaitan dengan pokok bahasan
Pemilihan Sampling
Pengumpulan data diambil dari
beberapa bagian yaitu kemahasiswaan memberikan data keaktifan organisasi dan prestasi, bagian BAAKU memberikan data mahasiswa menempuh lama perkuliahan dan IPK. Pemilihan data calon mahasiswa lulusan terbaik berdasarkan nilai yang memenuhi kriteria yang telah ditetapkan perguruan tinggi. Dari 500 mahasiswa program studi Sistem Informasi yang telah telah lulus ujian akhir, maka yang memenuhi kriteria hanya 10 mahasiswa. Dari 10 mahasiswa, akan dilakukan perhitungan
KERANGKA DAN PERANCANGAN
Kerangka pemikiran ini digunakan untuk
menguraikan tentang kerangka konsep pemecahan masalah yang telah diidentifikasi atau dirumuskan. Kerangka berpikir dalam sebuah penelitian kuantitatif, sangat menentukan kejelasan pada proses penelitian secara keseluruhan
PERMASALAHAN Belum diketahui metode fuzzy mamdani &
sugeno yang mendekati data center pada perhitungan pemilihan siswa terbaik
PENDEKATAN Logika Fuzzy Mamdani & Sugeno
KONTRUKSI UML Tools Matlab
PENGUJIAN
Komparasi perhitungan metode mamdani dan sugeno dengan statistik klasik
ANALISA HASIL Perhitungan Mahasiswa Terbaik Hasil Perhitungan Statistik Klasik Hasil Perhitungan Mamdani
Hasil Perhitungan Sugeno
HASIL
Metode fuzzy yang mendekati dengan perhitungan statistik klasik
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 15, No. 1, Januari 2018, Hal :46 P-ISSN : 0216-3241 ; E-ISSN : 2541-0652
RANCANGAN SISTEM
Usecase Diagram
Gambar 4. Usecase Diagram
Activity Diagram
Ketua Program Study
Login
Input Data Mahasiswa
Input Parameter & Kriteria
Input Nilai
Sistem
Menghitung Nilai dengan Statisik &
Fuzzy Menyimpan Keputusan Cetak Laporan Mahasiswa Lulusan Terbaik Melihat Laporan Pimpinan
Gambar 5. Activity Diagram
Sequence Diagram
Merupakan diagram yang digunakan untuk menggambarkan aktivitas penggunaan form pada aplikasi secara komputerisasi [6]
Form Login Ketua
Program Study
Form Menu Utama 1: Username & Password
2: Username & Password Benar
Form Mahasiswa
3:Input Data Mahasiswa
Form Parameter Kriteria
4:Input Parameter dan Kriteria
Form Hitung Statistik
5: Input Nilai Mahasiswa
Form Hitung Fuzzy
6: Input Nilai Mahasiswa
Gambar 6. SequenceDiagram
Class Diagram
Class diagram mendeskripsikan objek-objek yang terdapat di dalam sistem.
Class diartikan satu set objek yang memiliki
atribut dan perilaku yang sama [6]
Gambar 7. Class Diagram
HASIL DAN PEMBAHASAN
Metode Perhitungan Klasik
Tabel 1. Perhitungan Klasik
Alternatif IPK LK P O Nilai Ari Sulistiono 3,4 4,0 6 2 3,05 Reni 3,6 3,5 1 4 3,40 Puji Astuti 3,7 4,5 3 1 2,87 Ervan 3,5 4,5 3 5 3,1 Roni Irawan 3,6 5,0 2 3 2,7 Jaka Persada 3,4 5,0 5 6 3,05 Anisa Ulfa R. 3,2 4,5 2 7 3,1 Teguh 3,5 4,0 7 2 3,42 Dyan Eryanto 3,7 3,5 2 3 3,2 Fahri 3,3 4,5 4 6 3,1
Berdasarkan perhitungan menggunakan metode perhitungan klasik, maka yang menjadi mahasisa lulusan terbaik 1 adalah
Teguh Darminto dan terbaik 2 adalah Reni Anggraini.
Himpunan Fuzzy
Tabel 2. Himpunan Fuzzy
Variabel Input
Himpunan Domain Output
IPK Coumloude Sangat Memuskan Memuaskan 2.76 – 4.00 2.00 – 3.50 1.00 - 2.76 Terbaik Bukan Lama Kuliah Cepat Tepat Waktu Lambat 3.5 – 4.0 4.1 – 4.5 4.6 – 5.0 Terbaik Bukan Prestasi Baik Cukup Kurang 6 – 9 3 – 9 0 – 6 Terbaik Bukan Organisasi Aktif Cukup Kurang 6 – 9 3 – 9 0 – 6 Terbaik Bukan Keputusan (Output) 1 – 9 Terbaik
Bukan FUZZY INFERENSI SISTEM EDITOR FIS Mamdani
Gambar 8. FIS Mamdani FIS Sugeno
Gambar 9. FIS Sugeno KURVA KRITERIA
Kurva IPK
2.0 2.76 3.50
0 1
Memuaskan MemuaskanSangat Coumloud
1.00 4.0
Gambar 10. Kurva Kriteria IPK Kurva Lama Kuliah
3.5 4.0 4.5
0 1
Cepat Tepat Lambat
3.0 5.0
Gambar 11. Kurva Kriteria Lama Kuliah Kurva Prestasi
3 6 9
0 1
Kurang Cukup Baik
1
Gambar 12. Kurva Kriteria Prestasi Kurva Organisasi
3 6 9
0 1
Kurang Cukup Aktif
1
Gambar 13. Kurva Kriteria Organisasi Kurva Output
1 2 3 4 5 6 7 8 9
Bukan Cukup Terbaik
Gambar 14. Kurva Kriteria Output FUNGSI KEANGGOTAAN
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 15, No. 1, Januari 2018, Hal :48 P-ISSN : 0216-3241 ; E-ISSN : 2541-0652
Lama Kuliah
Prestasi
Organisasi
ATURAN FUZZY (RULE BASE)
Pada pemilihan mahasiswa terbaik menggunakan 4 parameter dan 3 kriteria, maka berdasarkan teori pembuatan aturan, terdapat 64 aturan fuzzy (Sri. & Purnomo, 2010) :
[R1] IF μIPK Memuaskan dan μLamaKuliah
lambat dan μpKurang dan μOrganisasi
Kurang Then Keputusan Bukan
Terbaik
[R2] IF μI Coumloud dan μL Tepat dan μP
Cukup dan μG Kurang Then Terbaik [R64] IF μI SangatMemuaskan dan μL Cepat
dan μP Baik dan μG Kurang Then
Terbaik
Gambar 15. Pembentukan Aturan PENEGASAN (DEFUZZIFIKASI) Metode Mamdani
Penegasan pada metode mamdani menggunakan metode centroid dengan menggunakan aturan [5], sebagai berikut :
[R1] IF μI Memuaskan dan μL Lambat dan
μP Kurang dan μG Kurang Then
Bukan Terbaik
α 1 = min (0; 0; 0; 0,6) = 0
[R52] IF μIPK Cumload dan μLamaKuliah Cepat dan μpPrestasi Kurang dan μOrganisasi Kurang Then Keputusan Cukup Terbaik
α 52 = min (0,86;1;1;0,6) = 0,6
[R64] IF μI SangatMemuaskan dan μL Cepat dan μP Baik dan μG Kurang Then
Terbaik
α64 = min (0,13; 0; 0; 0,6) = 0
Selanjutnya mencari nilai z = α * (zmax - zmin) + zmin
Gambar 16. Pengujian Toolbox Matlab Mamdani
Metode Sugeno
Aturan komposisi pada metode sugeno defuzzifikasi dilakukan dengan mencari nilai
rata-rata dan akan dihitung nilai α predikat
[5]
[R1] IF μI Memuaskan dan μL Lambat dan
μP Kurang dan μG Kurang Then
Bukan Terbaik
α 1 = min (0; 0; 0; 0,6) = 0
[R52] IF μIPK Cumload dan μLamaKuliah Cepat dan μpPrestasi Kurang dan μOrganisasi Kurang Then Keputusan Cukup Terbaik
α 52 = min (0,86;1;1;0,6) = 0,6
[R64] IF μI SangatMemuaskan dan μL Cepat dan μP Baik dan μG Kurang Then
Terbaik
α64 = min (0,13; 0; 0; 0,6) = 0
Perhitungan untuk mendapatkan nilai deffuzyfikasi dengan menjumlahkan rules hingga rules 64 untuk mendapatkan nilai rata-rata terbobot (Weight Average) :
Gambar 17. Pengujian Toolbox Matlab Sugeno
HASIL PERBANDINGAN (COMPARISION)
Berdasarkan hasil perhitungan dengan metode perhitungan klasik dan perhitungan menggunakan fuzzy mamdani dan sugeno maka didapat nilai sebagai berikut :
Tabel 3. Hasil Perbandingan 3 Metode
No Nama Klasik Mamdani
Sugeno Nilai % Nilai % 1 Ari S 3,05 5,9 48,1 5,7 51,8 2 Reni 3,40 5 69,2 7 30,7 3 Puji A 2,87 5 5,7 3 94,2 4 Ervan 3,1 4,36 8,6 3 91,4 5 Roni I 2,7 4,07 17,9 3 82,03 6 Jaka P 3,05 3,84 76,3 5,6 23,6 7 Anisa 3,1 4,31 49,7 4,3 50,2 8 Teguh 3,42 5,75 52,5 6 47,4 9 Dyan 3,2 5,93 50,8 6,03 49,1 10 Fahri 3,1 4,31 55,3 4,6 44,6
Rata-rata Mam 41,7 Sug 58,2
ANALISIS HASIL
Berdasarkan pada hasil perhitungan metode perhitungan klasik, fuzzy mamdani dan sugeno, maka perhitungan fuzzy yang mendekati dengan metode perhitungan
klasik adalah fuzzy sugeno dengan
persentase rata-rata akurasi sebesar 58,2% dan rata-rata akurasi metode mamdani sebesar 41,7%. Berdasarkan pengujian perhitungan yang telah dilakukan, maka
terdapat temuan dari perhitungan
menggunakan fuzzy mamdani dengan
sugeno, jika batas minimum dan maksimum pada kriteria output mempunyai selisih <5, maka hasil perhitungan metode mamdani lebih mendekati dibanding fuzzy sugeno.
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 15, No. 1, Januari 2018, Hal :50 P-ISSN : 0216-3241 ; E-ISSN : 2541-0652
Jika batas minimum dan maksimum memiliki selisih >=5, maka hasil perhitungan sugeno lebih besar dibanding perhitungan dengan metode mamdani.
PENUTUP
Simpulan
1. Penerapan perhitungan dengan
perhitungan klasik menggunakan
nilai dengan pemberian bobot
masing-masing kriteria. Perhitungan
logika fuzzy menggunakan himpunan
yang dihitung menggunakan derajat keanggotaan, predikat aturan dan penegasan dengan kriteri yang telah ditetapkan oleh perguruan tinggi yaitu IPK, Lama Kuliah, Prestasi dan Organisasi.
2. Berdasarkan nilai rata-rata dari
perhitungan ketiga metode, maka didapat mahasiwa terbaik dengan nilai tertinggi adalah Reni dan Teguh
4. Dari hasil analisis perhitungan
menggunakan metode perhitungan klasik, fuzzy mamdani dan sugeno,
maka metode sugeno lebih
mendekati nilai dari data senter dengan persentase sebesar 58,2% dan mamdani 41,7&
Saran
1. Berdarkan pembahasan diatas, maka
perlu dilakukan penelitian lebih lanjut mengenai penggunaan fuzzy untuk kasus yang berbeda yang dapat dijadikan referensi untuk penelitian yang akan datang.
2. Pada perhitungan ini, perlu dilakukan
analisis perbandingan kecepatan
antara mamdani dan sugeno
3. Perlu adanya analisis rate eror pada
metode mamdani dan sugeno
DAFTAR RUJUKAN
Aep & Romi, 2014. Analisis komparatif
Logika Fuzzy Mamdani, Sugeno, Sugeno untuk Hemat Energi AC Sugeno, ISSN, Vol.9, (Oktober, 2014) : 1-7, Jakarta
Agus & Aan. 2017. Sistem Pendukung Keputusan Purchasing Motor Second
Menggunakan Metode Analytical
Network Process (Anp),
ISSN0216-3241, Vol.14 No.2 (Juli, 2017)1-16, Denpasar Bali
Barnett, V, 1999, Comparative Statistical
Inference, Wiley Series in Probability
and Statistics, New York: Wiley [Sindu, I G. P. & Santyadiputra, G. S. 2017.
Pengembangan Web Service Profil Jurusan Dan Fakultas, P-ISSN : 0216-3241 ; E-ISSN:2541-0652, Vol.
14 No.1 (Januari, 2017)1-10,
Denpasar Bali
Kusumadewi, Sri. & Purnomo, 2010. Logika
Fuzzy, Graha Ilmu : 3-4, Yogyakarta
Munawar, 2010.Rekayasa Perangkat Lunak, Informatika, Bandung.
Newton, Issac, 1687. Prinsip Matematika
dari Filsafat Alam, Cambride Univesity Press, PP, Newyork
STMIK Teknokrat, 2010. Buku Panduan
Mahasiswa TA 2010, Bandar Lampung
Sudjana, 2012. Perhitungan Metode
Perhitungana Klasik, Graha Ilmu,
Yogyakarta
Yulia, 2011. Analisis Komparasi Metode
Fuzzy Mamdani Dan Sugeno Dalam
Penjadwalan Mata Kuliah. Ilmu
Komputer Universitas Brawijaya,
Malang,
M. Muslihudin, 2017, Sistem Pendukung Keputusan Menentukan Kelayakan
Penerimaan Bantuan Pengusaha
Ayam Petelur Oleh Dinas Peternakan Kabupaten Pesawaran Menggunakan
Metode Simple Additive Weighting
,
P-ISSN : 0216-3241 ; E-P-ISSN : 2541-0652, Vol. 14 No.2 (Juli, 2017)1-6, Denpasar Bali
Zaenal Abidin, 2014. Komparasi Perhitungan
IPK antara Metode Perhitungan Klasik dengan Logika Fuzzy, Tekno
